1.一种基于机器学习的客户流失预测系统，其特征在于，包括：

企业目标客户数据获取模块，用于获取由数据库采集的企业目标客户的基础数据和由数据库采集的企业目标客户行为数据；

企业目标客户数据提取模块，用于从所述由数据库采集的企业目标客户的基础数据和所述由数据库采集的企业目标客户行为数据中提取目标客户基础数据文本理解特征向量和企业目标客户行为关联特征向量；

目标客户流失倾向判断模块，用于基于所述目标客户基础数据文本理解特征向量和所述企业目标客户行为关联特征向量，判断目标客户是否存在流失倾向；

其中，所述目标客户流失倾向判断模块，包括：目标客户特征融合单元，用于将所述目标客户基础数据文本理解特征向量和所述企业目标客户行为关联特征向量进行融合以得到目标客户流失倾向特征向量；目标客户特征优化单元，用于对目标客户流失倾向特征向量进行基于类回归域参数空间的后向相关性感知以得到优化目标客户流失倾向特征向量；

目标客户流失倾向生成单元，用于将所述优化目标客户流失倾向特征向量通过分类器以得到分类结果，所述分类结果用于判断目标客户是否存在流失倾向；

其中，所述目标客户特征优化单元，包括：将所述目标客户流失倾向特征向量与分类器的分类权重矩阵进行相乘以得到第一中间目标客户流失倾向特征向量；使用concat函数对所述目标客户流失倾向特征向量和所述第一中间目标客户流失倾向特征向量进行处理以得到第二中间目标客户流失倾向特征向量；对所述目标客户流失倾向特征向量和所述第一中间目标客户流失倾向特征向量进行按位置相加以得到第三中间目标客户流失倾向特征向量；将第一权重矩阵乘以第二中间目标客户流失倾向特征向量再加上第一偏置向量后通过sigmoid函数以得到第一激活值；将第二权重矩阵乘以第三中间目标客户流失倾向特征向量再加上第二偏置向量后通过sigmoid函数以得到第二激活值；计算所述第一激活值和所述第二激活值的均值以得到激活均值；计算一减去激活均值的差值，并以差值作为第一加权系数和以激活均值作为第二加权系数，对所述第二中间目标客户流失倾向特征向量和所述目标客户流失倾向特征向量进行按位置加权以得到第四中间目标客户流失倾向特征向量；对后向锚定参考向量的每个特征值进行以自然常数为底的指数运算以得到第五中间目标客户流失倾向特征向量；将所述第四中间目标客户流失倾向特征向量按位置减去所述第五中间目标客户流失倾向特征向量后通过ReLU函数以得到优化目标客户流失倾向特征向量。

2.根据权利要求1所述的基于机器学习的客户流失预测系统，其特征在于，所述企业目标客户数据提取模块，包括：客户基础数据特征提取单元，用于对所述由数据库采集的企业目标客户的基础数据进行特征提取以得到所述目标客户基础数据文本理解特征向量；

客户行为数据特征提取单元，用于将所述由数据库采集的企业目标客户企业行为数据进行特征提取以得到所述企业目标客户行为关联特征向量。

3.根据权利要求2所述的基于机器学习的客户流失预测系统，其特征在于，所述客户基础数据特征提取单元，包括：基础数据文本编码预处理子单元，用于将所述由数据库采集的企业目标客户的基础数据进行文本编码预处理以得到目标客户基础数据向量序列；

基础数据文本理解子单元，用于将所述目标客户基础数据向量序列通过基础数据向量序列语义理解Bi‑LSTM模型以得到所述目标客户基础数据文本理解特征向量。

4.根据权利要求3所述的基于机器学习的客户流失预测系统，其特征在于，所述基础数据文本编码预处理子单元，包括：将所述由数据库采集的企业目标客户的基础数据通过包含嵌入层的目标客户基础数据语义上下文编码器以得到多个目标客户基础数据语义特征向量；

将所述多个目标客户基础数据语义特征向量进行排列以得到所述目标客户基础数据向量序列。

5.根据权利要求4所述的基于机器学习的客户流失预测系统，其特征在于，所述客户行为数据特征提取单元，包括：将所述由数据库采集的企业目标客户企业行为数据进行分词以得到多个企业目标客户行为数据项；

将所述多个企业目标客户行为数据项通过企业目标客户行为多尺度特征提取器以得到所述企业目标客户行为关联特征向量。

6.根据权利要求5所述的基于机器学习的客户流失预测系统，其特征在于，所述目标客户流失倾向生成单元，包括：使用所述分类器的全连接层对所述优化目标客户流失倾向特征向量进行全连接编码以得到全连接编码特征向量；

将所述全连接编码特征向量输入所述分类器的Softmax分类函数以得到所述优化目标客户流失倾向特征向量归属于各个分类标签的概率值，所述分类标签包括用于表示目标客户存在流失倾向和目标客户不存在流失倾向；以及将所述概率值中最大者对应的分类标签确定为所述分类结果。

7.一种基于机器学习的客户流失预测方法，其特征在于，包括：

获取由数据库采集的企业目标客户的基础数据和由数据库采集的企业目标客户行为数据；

从所述由数据库采集的企业目标客户的基础数据和所述由数据库采集的企业目标客户行为数据中提取目标客户基础数据文本理解特征向量和企业目标客户行为关联特征向量；

基于所述目标客户基础数据文本理解特征向量和所述企业目标客户行为关联特征向量，判断目标客户是否存在流失倾向；

其中，所述目标客户流失倾向判断模块，包括：目标客户特征融合单元，用于将所述目标客户基础数据文本理解特征向量和所述企业目标客户行为关联特征向量进行融合以得到目标客户流失倾向特征向量；目标客户特征优化单元，用于对目标客户流失倾向特征向量进行基于类回归域参数空间的后向相关性感知以得到优化目标客户流失倾向特征向量；

目标客户流失倾向生成单元，用于将所述优化目标客户流失倾向特征向量通过分类器以得到分类结果，所述分类结果用于判断目标客户是否存在流失倾向；

其中，所述目标客户特征优化单元，包括：将所述目标客户流失倾向特征向量与分类器的分类权重矩阵进行相乘以得到第一中间目标客户流失倾向特征向量；使用concat函数对所述目标客户流失倾向特征向量和所述第一中间目标客户流失倾向特征向量进行处理以得到第二中间目标客户流失倾向特征向量；对所述目标客户流失倾向特征向量和所述第一中间目标客户流失倾向特征向量进行按位置相加以得到第三中间目标客户流失倾向特征向量；将第一权重矩阵乘以第二中间目标客户流失倾向特征向量再加上第一偏置向量后通过sigmoid函数以得到第一激活值；将第二权重矩阵乘以第三中间目标客户流失倾向特征向量再加上第二偏置向量后通过sigmoid函数以得到第二激活值；计算所述第一激活值和所述第二激活值的均值以得到激活均值；计算一减去激活均值的差值，并以差值作为第一加权系数和以激活均值作为第二加权系数，对所述第二中间目标客户流失倾向特征向量和所述目标客户流失倾向特征向量进行按位置加权以得到第四中间目标客户流失倾向特征向量；对后向锚定参考向量的每个特征值进行以自然常数为底的指数运算以得到第五中间目标客户流失倾向特征向量；将所述第四中间目标客户流失倾向特征向量按位置减去所述第五中间目标客户流失倾向特征向量后通过ReLU函数以得到优化目标客户流失倾向特征向量。

8.根据权利要求7所述的基于机器学习的客户流失预测方法，其特征在于，从所述由数据库采集的企业目标客户的基础数据和所述由数据库采集的企业目标客户行为数据中提取目标客户基础数据文本理解特征向量和企业目标客户行为关联特征向量，包括：对所述由数据库采集的企业目标客户的基础数据进行特征提取以得到所述目标客户基础数据文本理解特征向量；

将所述由数据库采集的企业目标客户企业行为数据进行特征提取以得到所述企业目标客户行为关联特征向量。